Data Visualisation (Dataviz) : Quels Intérêts Pour Son Business ?

Qu’est-ce que la dataviz ? Définition

Avant même de s’intéresser à la visualisation, on entend beaucoup parler de la data elle-même ces derniers temps, mais de quoi parle-t-on ? En réalité, on parle même de « Big Data ». Il s’agit tout simplement de l’ensemble des informations que nous produisons au quotidien. Cela peut être un message, des informations dans un formulaire, des données de navigation, des mails, des données de géolocalisation, etc… La liste est infinie. Comme tu t’en doutes, un des principaux défis du Big Data est le traitement des informations qui est très compliqué à cause du nombre de données.

C’est bien toutes ces données, mais pour quoi faire ?
Il y a beaucoup de domaines qui ont pu évoluer de manière positive grâce à l’exploitation de toutes ces informations. On pense en premier lieu au marketing bien sûr, mais aussi la finance, le commerce, la recherche scientifique ou même encore la médecine. Effectivement, l’analyse plus ou moins poussée de toutes ces datas permet de faire de l’analyse de tendances, voire de les prévoir. On peut également suivre des évènements en temps réel grâce à cela, le COVID est le meilleur exemple qui peut nous venir à l’esprit. On va pouvoir créer des profils précis, et anticiper bon nombre de choses grâce aux données.

Et que fait la dataviz là-dedans ?
La data visualisation est ce qui va donner vit à tout cet ensemble de données. C’est l’art de représenter visuellement les données. La dataviz est ce qui va nous permettre de mettre en forme la donnée pour comprendre ce qu’elle contient et pouvoir l’exploiter de la meilleure des façons.

Pourquoi utiliser la Data Visualisation ?

La visualisation de données n’est pas seulement importante pour les data scientists et les data analysts, cela peut être pertinent de la comprendre et de la maîtriser dans n’importe quel secteur et n’importe quel métier. Que tu travailles dans la finance, le marketing, la technologie, la médecine ou autre, tu dois forcément visualiser des données à un moment ou un autre. Elles sont présentes partout aujourd’hui, et rien que pour ça, l’initiation à la dataviz est pertinent et va même te donner un avantage face à tes collègues qui n’y connaissent rien.

Nous avons besoin de la visualisation des données parce qu’un résumé visuel des informations permet d’identifier plus facilement les modèles et les tendances qu’un fichier Excel d’un million de lignes. C’est ainsi que fonctionne le cerveau humain (et heureusement). Comme l’objectif de l’analyse des données est d’obtenir des informations, les données ont beaucoup plus de valeur lorsqu’elles sont visualisées. Même si un analyste de données peut tirer des enseignements des données sans visualisation, il sera plus difficile d’en communiquer le sens sans visualisation. Les diagrammes, graphiques et autres histogrammes facilitent la communication des résultats des données, même si vous pouvez identifier les modèles sans eux. Ton cerveau te remerciera. 😉

Sans une représentation visuelle des informations, il peut être difficile pour le public de saisir la véritable signification des résultats. Par exemple, le fait d’énoncer des chiffres à ton patron ne lui dira pas pourquoi il devrait s’intéresser à ces données, mais le fait de lui montrer un graphique montrant combien d’argent ces informations pourraient lui faire économiser ou lui faire gagner est sûr d’attirer son attention. En fait, selon le métier que tu pratiques, la maîtrise de la data visualisation peut être en quelque sorte une manière de mettre en valeur tes résultats, ou ce que tu essayes d’atteindre.

Différentes utilisations de la data visualisation

La visualisation des données a de nombreuses utilisations. Chaque type de visualisation de données peut être utilisé de différentes manières. Nous reviendrons sur les différents types dans un moment, mais pour l’instant, voici quelques-unes des utilisations les plus courantes de la dataviz :

Changements dans le temps

Il s’agit peut-être de l’utilisation la plus basique et la plus courante de la visualisation des données, mais cela ne signifie pas qu’elle n’est pas utile. La raison pour laquelle elle est la plus courante est que la plupart des données comportent un élément de temps. Par conséquent, la première étape de beaucoup d’analyses de données consiste à voir comment les données évoluent dans le temps.

Détermination de la fréquence

La fréquence est également une utilisation assez basique de la visualisation des données, car elle s’applique également aux données qui impliquent du temps. Si le temps est impliqué, il est logique que vous déterminiez la fréquence à laquelle les événements pertinents se produisent dans le temps.

Faire des corrélations

L’identification des corrélations est une utilisation extrêmement précieuse de la visualisation des données. Il est extrêmement difficile de déterminer la relation entre deux variables sans une visualisation pertinente, alors que cela peut permettre de tirer des conclusions souvent importantes.

Repérer les tendances émergentes

L’utilisation de la visualisation des données pour découvrir les tendances, à la fois dans l’entreprise et sur le marché peut donner aux entreprises un avantage sur la concurrence et, en fin de compte, avoir un impact sur les résultats. Il est facile de repérer les valeurs aberrantes qui affectent la qualité des produits ou le taux de désabonnement des clients, et de traiter les problèmes avant qu’ils ne deviennent plus importants.

Étude d’une population

Un exemple d’examen d’un groupe de personnes à l’aide de la visualisation de données peut notamment être observé dans les études de marché. Les professionnels du marketing dont tu fais peut-être partie doivent savoir quels publics cibler avec leur message. C’est la base du métier. Ils analysent donc l’ensemble du marché ou une population type pour identifier les groupes d’audience, les liens entre eux, les influenceurs au sein des groupes et ainsi affiner leur stratégie.

Planification

Lors de la planification d’un calendrier ou d’un échéancier pour un projet complexe, les choses peuvent devenir confuses. Un diagramme de Gantt résout ce problème en illustrant clairement chaque tâche du projet et le temps qu’il faudra pour la réaliser.

Analyser la valeur et le risque

La détermination de paramètres complexes tels que la valeur et le risque nécessite la prise en compte de nombreuses variables différentes, ce qui rend presque impossible une visualisation précise avec une simple feuille de calcul dans un tableur. La visualisation des données peut être aussi simple que le codage couleur d’une formule pour montrer quelles opportunités sont précieuses et lesquelles sont risquées.

Comment faire de la Data Visualisation ?

Comment choisir des représentations visuelles de données adaptées ?

Il faut bien se mettre en tête que chaque choix de conception de data visualisation que tu fais doit améliorer l’expérience de ton audience. Le but n’est pas de montrer tes talents de graphiste, mais de mettre en lumière des informations à partir de données. Et c’est clairement quelque chose qui doit peser dans le choix de la représentation visuelle.

– Choisis le graphique qui raconte au mieux l’histoire. Il peut y avoir plus d’une façon de visualiser les données avec précision. Dans ce cas, essaye de trouver la forme qui va le mieux toucher la personne à qui est destiné le graphique, ou qui mets le plus en avant ce que tu souhaites montrer.

– Concentre-toi sur l’essentiel. Non, cela ne signifie pas que tu dois supprimer la moitié de données. Mais fais attention à des choses comme les graphiques inutiles, les textes supplémentaires, les illustrations superflues, les ombres portées, les ornementations, etc. Ce qu’il y a de bien avec la visualisation des données, c’est que le design peut aider à faire le gros du travail pour améliorer et communiquer l’histoire. Donc, n’en rajoute pas avec des contenus superflus qui vont écarter tes lecteurs du sujet principal.

– Privilégie la compréhension. Une fois que tu as créé votre visualisation, il faut prendre du recul et réfléchir aux éléments simples qui pourraient être ajoutés, modifiés ou supprimés pour faciliter la compréhension des données par le lecteur. Tu peux par exemple faire le test en montrant ton travail à quelqu’un qui n’a aucun rapport et contexte avec les données étudiés. Si cette personne n’arrive pas à saisir le sens du graphique, c’est qu’il y a sûrement des choses à améliorer. Peut-être que les légendes ne sont pas claires, qu’il y a trop des tranches dans ton graphique circulaire, ou que les couleurs ne mettent pas assez en avant le phénomène voulu.

Les couleurs / design

La couleur est un outil formidable lorsqu’elle est bien utilisée. Lorsqu’elle est mal utilisée, elle peut non seulement distraire le lecteur, mais aussi l’induire en erreur. Utilise-la à bon escient dans la conception de ta data visualisation.

– N’utilise qu’une seule couleur pour représenter le même type de données. Par exemple, si tu représentes les ventes par mois sur un graphique en barres, utilise une seule couleur. Mais, si tu compares les ventes de l’année dernière à celles de cette année dans un graphique groupé, tu dois utiliser une couleur différente pour chaque année. Tu peux également utiliser une couleur d’accentuation pour mettre en évidence un point de données significatif.

– Fais attention aux nombres positifs et négatifs. N’utilisez pas le rouge pour les chiffres positifs ou le vert pour les chiffres négatifs. Ces associations de couleurs sont si fortes qu’elles inverseront automatiquement le sens dans l’esprit du spectateur. C’est tout simplement une question de normes.

– Assure-toi que le contraste entre les couleurs est suffisant. Si les couleurs sont trop similaires (des nuances de gris trop proches par exemple), il peut être difficile de faire la différence. Cela peut donc fausser la lecture et donc la compréhension. À l’inverse, n’abuse pas trop des combinaisons de couleurs très contrastées, comme rouge/vert ou bleu/jaune.

– Il faut à tout prix éviter les motifs. Les rayures et les pois semblent amusants, mais ils peuvent être incroyablement distrayants. Si tu essayes de différencier des données, par exemple sur une carte, utilise plutôt différentes déclinaisons d’une même couleur. Dans le même ordre d’idées, n’utilise que des lignes de couleur unie (pas de tirets).

– Sélectionne les couleurs de manière appropriée. Certaines couleurs ressortent plus que d’autres, ce qui donne un poids inutile à ces données. Favorise plutôt une seule couleur avec des nuances variables ou un spectre entre deux couleurs analogues pour montrer l’intensité. N’oublie pas non plus de coder intuitivement l’intensité des couleurs en fonction de leurs valeurs.

– N’utilise pas plus de 6 couleurs dans une même mise en page.

Le choix du texte

Les données sont des chiffres, certes, mais elles sont généralement utilisées en conjonction avec du texte pour aider à fournir le contexte du point en question. Cela dit, dans de nombreuses data visualisation ou infographies, on peut malheureusement constater que la visualisation de données et le texte s’opposent plutôt qu’ils ne s’associent.

– N’explique pas trop. Si le texte mentionne déjà un fait, le sous-titre, et l’en-tête du graphique n’ont pas besoin de le répéter.

– Fais en sorte que les en-têtes / légendes de tableau et de graphique soient simples et directs. Il n’est pas nécessaire d’être intelligent, verbeux ou de faire des jeux de mots. Le texte descriptif au-dessus du graphique doit être bref et se rapporter directement au graphique sous-jacent. Il faut toujours essayer de se concentrer sur la compréhension, pour faire passer ton message.

– Utilise les textes à bon escient. Ils ne sont pas là pour remplir l’espace, ils doivent avoir un intérêt et ne pas gêner la compréhension. Ils doivent être utilisés intentionnellement pour mettre en évidence des informations pertinentes ou fournir un contexte supplémentaire.

– N’utilise pas de polices ou d’éléments distrayants. Il est parfois nécessaire d’insister sur un point. Dans ce cas, n’utilise le texte en gras ou en italique que pour souligner un point.

Utiliser le bon ordre

La visualisation des données a pour but d’aider à donner du sens. Des modèles aléatoires difficiles à interpréter sont frustrants et nuisent à ce que tu essayes de communiquer.

– Ordonne les données de manière intuitive. Il doit y avoir une hiérarchie logique. Classe les catégories par ordre alphabétique, ou par valeur.

– Construis l’ordre des données de manière cohérente. L’ordre des éléments de ta légende doit reproduire l’ordre de votre graphique.

– Ordonne de façon uniforme. Utilise des incréments naturels sur vos axes (0, 5, 10, 15, 20) plutôt que des incréments maladroits ou inégaux (0, 3, 5, 16, 50).

Data Storytelling

Le domaine de la data est lui aussi touché par le storytelling ! Si on devait donner une définition du data storytelling, ce serait tout simplement la mise en forme et en relation de data visualisation dans le but de convaincre. Concrètement, le but est de créer une histoire, au travers de tes données, avec une situation initiale, un développement et une chute à la fin. Comme dans un vrai récit ou un storytelling classique. Même si tu arrives à créer la plus belle visualisation de données, très intuitive, très claire et jolie, si tu ne la racontes pas, tu ne maximises toujours pas tes chances de toucher ton auditeur.

Bien sûr, toute cette présentation de données « racontée » doit être pensé en amont du travail. C’est quelque chose qui doit guider la manière dont tu vas créer les visuels et mettre en avant les données.

Les 2 meilleurs outils de visualisation de données

Power Bi, la solution dataviz par Microsoft

Microsoft a développé sa solution Data Visualisation avec Power BI. On peut considérer que c’est ce logiciel qui est en quelque sorte l’avenir du très connu Excel. C’est un outil qui est totalement basé sur le Cloud, et qui a l’avantage de faire partie de la famille des applications de Microsoft. En effet, cela lui procure un réel avantage en termes d’intégrations notamment. De plus, cela nous permet de ne pas être totalement perdu dans une interface complétement inconnue, on a déjà nos marques.

En termes de possibilités de visualisations, il n’y a pas grand-chose à dire, Power BI peut subvenir à tout ce que tu imagines en termes de data visualisation. Les données s’importent de manière très rapide en glisser déposer. Tu peux créer autant de visualisations qu’il te chante sur ton tableau de bord, mais Power BI limite le nombre de points de données à 3500.

La prise en main du logiciel s’effectue plutôt bien, il y a moyen de s’en sortir même sans trop de connaissance. Tout dépend de ton ressenti. Certains trouvent qu’il est assez compliqué à prendre en main, d’autres non. Si tu as la suite Office tu peux essayer de te faire ton propre avis sur cet outil de data visualisation.

En termes de tarifs, on débute à 8,40€ par mois et par utilisateur pour une licence « Pro » classique. Microsoft propose également une version un peu plus avancée de Power BI : « Premium ». Il faudra doubler le prix mensuel pour pouvoir y accéder et disposer des fonctionnalités supplémentaires.

Tableau, la référence des plateformes analytiques

Le second outil de data visualisation est Tableau. Avec Power BI, il s’agit sûrement là des deux références du marché actuel français des solutions de Business Intelligence et dataviz. Tout comme leurs collègues de chez Microsoft, Tableau permet de faire des visuels interactifs et d’organiser des visualisations de données.

Le nombre de points de données est ici illimité, contrairement à Power BI, mais on retrouve toujours ce système de glisser déposer pour améliorer l’intuitivité. Qu’il s’agisse de graphiques simples ou de visualisations complexes, Tableau peut t’accompagner. Le système de création est quand même un peu plus complet que celui de son homologue cité précédemment.

Le logiciel est en revanche un peu plus difficile à prendre en main puisqu’il ne dispose pas d’une interface « Microsoft » comme Power BI. De plus, c’est un outil qui est un peu plus orienté pour les professionnels. Néanmoins, ce n’est pas non plus impossible à contrôler, cela reste relativement simple. Tu pourras te lancer dessus sans avoir trop de connaissance et te débrouiller sans soucis au bout de quelques minutes de pratique.

Pour ce qui est des prix, on se situe au-dessus de ce que propose Power BI. Le forfait de base coûte 12$ par mois et par utilisateur si tu l’héberges et 15$ sur le cloud de Tableau.

Existe-t-il des outils de data visualisation gratuits ?

La réponse est oui. Il existe bien des outils de visualisation « gratuits ». Il y a plusieurs outils de dataviz payants qui proposent des versions gratuites, mais attention, il ne faut pas t’attendre à quelque chose d’exceptionnel. En effet, le problème de ces versions gratuites est qu’en général, il y a des fonctionnalités importantes qui ne sont pas disponibles.

On retrouve par exemple des forfaits gratuits pour Infogram, Datawrapper ou Visme. La subtilité est que ces derniers ne proposent pas de personnalisation sur leur version gratuite. Pour certains d’entre eux, le logo doit même être présent sur les graphiques. D’autres fonctionnalités ne sont pas entièrement disponibles. Le format des exports est limité, la collaboration n’est pas possible, les imports et exports de données sont bridés, tout comme les templates utilisables. En réalité, ces palns gratuits sont surtout là pour te permettre de découvrir le logiciel et le potentiel qu’il peut avoir, pour ensuite passer à une version payante.

Néanmoins, il existe toujours l’alternative Google Charts. En effet, tout comme Docs, Sheets ou Slides le sont pour Word, Excel et PowerPoint, Charts est un peu l’équivalent made in Google de Power BI. Contrairement à ces 3 derniers, les similarités ne sont pas évidentes. Concrètement, là où Power Bi est plutôt intuitif à comprendre et utiliser, Charts se destine plutôt à un public averti, qui maîtrise le code et les API. C’est-à-dire qu’il n’y a pas de système de glisser déposer ou quoi que ce soit, il faut tout coder main ! Autrement dit, si tu n’es pas déjà calé sur le sujet, ce n’est pas une solution envisageable.

11 types de graphiques pour tes visualisations de données

Maintenant que nous comprenons comment la visualisation de données peut être utilisée, appliquons les différents types de visualisation de données à leurs utilisations. Normalement, les différents outils que nous avons évoqués juste avant te permettent de réaliser ce genre de graphiques sans soucis.

Graphique linéaire

Un graphique linéaire illustre les changements dans le temps. L’axe des x représente généralement une période de temps, tandis que l’axe des y représente une quantité. Ainsi, il peut illustrer les ventes d’une entreprise pour l’année, coupées par mois, ou le nombre d’unités produites par une usine chaque jour au cours de la semaine écoulée.

Diagramme de zone

Un diagramme de surface est une adaptation d’un diagramme linéaire dans lequel la zone située sous la courbe est remplie pour en souligner l’importance. La couleur de remplissage de la zone sous chaque courbe doit être quelque peu transparente afin que les zones de chevauchement puissent être discernées. Enfin, tout dépend de ce que tu souhaites mettre en lumière.

Diagramme à barres

Un diagramme en bâtons illustre également les changements dans le temps. S’il y a plus d’une variable, un diagramme en barres peut faciliter la comparaison des données de chaque variable à chaque moment. Par exemple, ce type de représentation graphique peut comparer les ventes de l’entreprise entre cette année et l’année dernière.

Histogramme

Un histogramme ressemble à un diagramme en bâtons, mais mesure la fréquence plutôt que les tendances dans le temps. L’axe des x d’un histogramme répertorie les « cases » ou intervalles de la variable, et l’axe des y est la fréquence, de sorte que chaque barre représente la fréquence de cette case. Par exemple, tu peux mesurer les fréquences de chaque réponse à une question d’enquête. Les cases correspondraient à la réponse : « insatisfaisant », « neutre » et « satisfaisant ». Cela t’indiquerait combien de personnes ont donné chaque réponse.

Diagramme de dispersion

Les nuages de points sont utilisés pour trouver des corrélations. Chaque point d’un diagramme de dispersion signifie « lorsque x = ceci, alors y est égal à cela ». Ainsi, si les points ont une certaine tendance (vers le haut à gauche, vers le bas à droite, etc.), il existe une relation entre eux. Si le graphique est vraiment dispersé, sans aucune tendance, les variables n’ont aucune influence les unes sur les autres.

Graphique à bulles

Un graphique à bulles est une adaptation d’un diagramme de dispersion, où chaque point est illustré par une bulle dont la surface a une signification en plus de son emplacement sur les axes. L’un des problèmes associés aux diagrammes à bulles est la limitation de la taille des bulles en raison de l’espace restreint sur les axes. Ainsi, toutes les données ne s’intègrent pas efficacement dans ce type de visualisation.

Graphique circulaire

Un graphique circulaire, qu’on aime souvent appeler camembert, est la meilleure option pour illustrer des pourcentages, car il montre chaque élément comme faisant partie d’un tout. Ainsi, si tes données expliquent une répartition en pourcentages, un graphique circulaire présentera clairement les éléments dans les bonnes proportions.

Jauge

Une jauge peut être utilisée pour illustrer la distance entre des intervalles. Elle peut être présentée sous la forme d’une jauge ronde ressemblant à une horloge ou d’une jauge de type tube ressemblant à un thermomètre liquide. Plusieurs jauges peuvent être présentées l’une à côté de l’autre pour illustrer la différence entre plusieurs intervalles.

Carte

La plupart des données traitées dans les entreprises ont un élément de localisation, ce qui les rend faciles à illustrer sur une carte. Un exemple de visualisation cartographique est la cartographie du nombre d’achats effectués par les clients dans chaque État des États-Unis. Dans cet exemple, chaque État serait ombragé et les États ayant moins d’achats seraient plus clairs, tandis que les États ayant plus d’achats seraient plus foncés. Les informations sur la localisation peuvent également être très précieuses pour la direction d’une entreprise, ce qui en fait une visualisation de données importante à utiliser.

Carte thermique

Une carte thermique est essentiellement une matrice à code couleur. Une formule est utilisée pour colorer chaque cellule de la matrice est ombrée pour représenter la valeur relative ou le risque de cette cellule. En général, les couleurs des cartes thermiques vont du vert au rouge, le vert correspondant à un meilleur résultat et le rouge à un moins bon. Ce type de visualisation est utile, car les couleurs sont plus rapides à interpréter que les chiffres.

Diagramme en cadre

Les diagrammes de cadre sont essentiellement des cartes arborescentes qui montrent clairement la structure des relations hiérarchiques. Un diagramme de structure est constitué de branches, auxquelles se rattachent d’autres branches, chaque niveau du diagramme comportant de plus en plus de branches.

Exemples de dataviz

Covid Tracker par Guillaume Rozier

Comme nous le disions en introduction, s’il y a bien quelque chose qui nous a poussé à nous entraîner à lire des données, c’est le COVID 19. En effet, qu’il s’agisse du nombre de cas, du taux d’incidence, du nombre de décès, d’admissions en réanimation, et bien plus encore, le nombre de data à visualiser est conséquent. Heureusement, il y a des gens pour nous faciliter l’accès à tout cela, en démocratisant la data visualisation.

C’est le cas de Guillaume Rozier, Data Scientist dans le domaine de la technologie. Il ne s’agit ni plus ni moins de l’homme qui a créé Covid Tracker, mais aussi Vite Ma Dose. C’est la première application qui nous intéresse ici. Effectivement, sur le compte Twitter de Covid Tracker Bot, on nous partage de manière quotidienne (même plus parfois) des visualisations de données liées à l’évolution du virus. Et, comme c’est généralement bien fait, cela permet d’ouvrir à tous la compréhension et la connaissance autour d’un sujet qui nous touche tous sans exception. C’est une initiative à saluer.

Sur le site de Covid Tracker, on retrouve aussi de nombreuses informations, à la demande, et de manière plus détaillée, avec données à échelle mondiale, régionale, nationale et même départementale.

En soit, cette initiative pourrait se suffire à elle-même en tant qu’exemple, au vu du nombre de visualisations disponible sur le site et le compte Twitter.

Les conséquences du Brexit par Sky News

Au cours du débat sur le Brexit, toutes les parties ont fait des déclarations très précises et confiantes sur l’impact de la sortie du Royaume-Uni de l’Union européenne. Pour les citoyens, qui regardaient, cela a conduit à une grande confusion quant à l’impact réel du Brexit. C’est sûrement quelque chose qui n’a pas facilité le choix des Anglais au moment d’aller voter.

C’est pour cela que le célèbre média anglais Sky News a développé une visualisation de données interactive, qui reprend chaque conséquence du Brexit avec des (vrais) chiffres et donc des faits. C’est un exemple typique et même très poussé de Data Storytelling dont nous parlions au début de l’article. La situation de départ est simple : le pays a voté pour un départ de l’Union Européenne. On a ensuite le développement de l’histoire avec les répercussions et les évènements point par point. Puis, on retrouve la chute, avec la conjoncture actuelle. Au niveau de la forme, il n’y a qu’à scroller sur la page pour dérouler les différentes données, c’est très bien fait. On retrouve là aussi une grande variété de visualisations.

Encore une fois, c’est un exemple qui nous montre à quel point la data visualisation est là pour nous rendre service et permettre de faire passer des informations au plus grand nombre. Même si tu n’es probablement pas anglais, n’hésite pas à scroller les données proposées par Sky News, cela nous permet aussi de mieux comprendre leur situation.

Google Trends

En fait, Google Trends reprend un peu le même principe de Covid Tracker. Il faut juste remplacer les chiffres liés au COVID-19 par les tendances de recherche sur le très célèbre moteur de recherche américain. C’est un exemple qui montre à quel point on se sert de la data visualisation sans s’en rendre compte parfois.

Lorsque tu rentres un mot clé dans la barre de recherche de l’outil Google Trends, une série de données s’offre à toi pour en étudier les tendances, selon les critères sélectionnés (échelle de temps, de localisation, etc). On retrouve notamment l’évolution du volume de recherche du mot clé dans le temps sur un graphique linéaire, une carte des endroits où il est le plus recherché, accompagnée de jauges. Lorsque l’on compare 2 mots clés ou plus, c’est là que cela devient intéressant : des visualisations supplémentaires apparaissent. Par exemple, pour l’évolution des volumes de recherches, on retrouve un graphique en barres des moyennes de volume pour comparer en 1 coup d’œil. On a également le droit à une carte de qui compare l’intérêt de chaque région (ou autre échelle) pour les 2 mots clés. Cette dernière est associée à des jauges pour comparer les volumes dans chacune des régions.

La data visualisation répond aujourd’hui à de nombreux enjeux d’information, d’analyse et de prise de décision. C’est une notion qu’il convient de maîtriser puisqu’elle a envahi notre quotidien et celui de nos entreprises. Néanmoins, il y a certaines règles et formats à connaître et appliquer pour rendre la transmission d’information efficace.
Dans quel contexte utilises-tu la visualisation de données ? N’hésite pas à nous le partager ci-dessous dans les commentaires ou sur nos réseaux sociaux ! 😉

Maël Richard

Pour me contacter : [email protected]